Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi

Nigar Canbulat

doi:10.48123/rsgis.1940323

EN TR

Spatial Analysis of Flood Susceptibility in Silifke District Using Data-Driven and Expert-Based Methods

Abstract

Silifke is highly flood-prone due to its deltaic landscape and steepening topography toward the Taurus Mountains. This study aims to determine the flood susceptibility of the Silifke district using different methodological approaches. A total of six methods and twenty geographic criteria were employed in the study, including data-driven approaches (Artificial Neural Networks, Multiple Linear Regression and Logistic Regression) and expert-based methods (The Analytic Hierarchy Process, Best-Worst Method and Weighted Overlay Method). Matlab, Google Earth Engine, Google Colab and ArcMap software were utilized for data acquisition, analysis, and mapping processes. The inventory map used in the data-driven approaches was generated through digitization in ArcMap, taking into account the spatial distribution of past flood events. The highest accuracy rate, 92.7%, was achieved using the Artificial Neural Networks method. According to the research findings, the delta lands near the coast, the gently sloping areas in the district center, and settlements near riverbeds -particularly the Göksu Valley- are the areas with the highest susceptibility. Additionally, in the coastal zone, the neighborhoods of Akdere, Yeşilovacık, Işıklı, and Hırmanlı to the west; Atayurt and Atakent to the east; and Kıcaköy and Kavakköy to the north are also areas with high flood susceptibility. The use of multiple methods allows for cross-validation of results, early detection of inconsistencies and the creation of more reliable vulnerability maps compared to single-method analyses.

Keywords

Natural disaster, Flood susceptibility, Multi-method, Silifke

Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi

Abstract

Silifke, sahip olduğu delta alanı ve Toroslara doğru belirginleşen engebeli topografyasıyla taşkın duyarlılığının yüksek olduğu yerleşimlerdendir. Bu araştırmanın amacı, Silifke ilçesinin taşkın duyarlılığını farklı metodolojik yaklaşımlarla ortaya koymaktır. Çalışmada veri temelli (Yapay Sinir Ağları, Çoklu Doğrusal Regresyon, Lojistik Regresyon) ve uzman görüşüne dayalı (Analitik Hiyerarşi Süreci, Best-Worst, Ağırlıklı Çakıştırma Yöntemi) olmak üzere toplam altı yöntem ile yirmi coğrafi kriter kullanılmıştır. Veri temini, analizler ve haritalamalarda Matlab, Google Earth Engine, Google Colab ve ArcMap programlarından yararlanılmıştır. Veri temelli yaklaşımlarda kullanılan envanter haritası, geçmiş dönemlerde yaşanan taşkın olaylarının mekansal dağılışı dikkate alınarak ArcMap ortamında sayısallaştırma ile oluşturulmuştur. En yüksek doğruluk oranı %92.7 ile Yapay Sinir Ağları yönteminde elde edilmiştir. Araştırma sonuçlarına göre kıyıya yakın delta toprakları, ilçe merkezindeki eğimi az sahalar, başta Göksu vadisi olmak üzere akarsu yataklarına yakın yerleşmeler en yüksek duyarlılığa sahip alanlardır. Ayrıca sahil kuşağında batıya doğru Akdere, Yeşilovacık, Işıklı, Hırmanlı; doğuda Atayurt, Atakent; kuzeyde Kıcaköy ve Kavakköy mahalleleri de taşkın duyarlılığı yüksek diğer arazilerdir. Çalışmada çoklu metot kullanımı tek yöntemli analizlere kıyasla sonuçların karşılıklı doğrulanmasına, tutarsızlıkların erken tespit edilmesine ve daha güvenilir duyarlılık haritalarının oluşturulmasına imkan tanımıştır.

Keywords

Doğal afet, Taşkın duyarlılığı, Çoklu metot, Silifke

References

Afet ve Acil Durum Yönetimi Başkanlığı. (2025). Türkiye Afet Bilgi Bankası (TABB), taşkın olay kayıtları. https://www.afad.gov.tr/tabb-turkiye-afet-bilgi-bankasi
Akbar, M., Agustawijaya, D., & Hartana, H. (2025). Analysis of weight of evidence (WOE) and weighted overlay (WO) methods for mapping landslide potential in East Lombok Regency, West Nusa Tenggara Province. Indonesian Journal of Multidisciplinary Science, 4, 775–789. https://doi.org/10.55324/ijoms.v4i10.1156
Akbaş, A., Gorum, T., & Ozdemir, H. (2025). Türkiye’de taşkınların FlooDOT tabanlı incelenmesi ve farklı veri kaynaklarının mekânsal karşılaştırılması. Turkish Journal of Civil Engineering, 36(6), 75–96. https://doi.org/10.18400/tjce.1618212
Avcı, V. (2025). Doğu Karadeniz Bölümü’nde meydana gelen sel ve taşkınların analizi (1955–2022). Özgür Yayınları. https://doi.org/10.58830/ozgur.pub701
Ayalke, Z., & Sisman, A. (2022). Site selection for wind farms using geographic information system with best-worst method: A case study Amhara Region of Ethiopia. Advanced Land Management, 2(2), 69–78.
Buldur, A., Başaran, A., & Pınar, A. (2007). 05–07 Mart 2004 tarihli Göksu Nehri taşkını ve Silifke’ye etkisi. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 17, 139–160.
Chen, Y., Zhang, X., Yang, K., Zeng, S., & Hong, A. (2023). Modeling rules of regional flash flood susceptibility prediction using different machine learning models. Frontiers in Earth Science, 11, Article 1117004. https://doi.org/10.3389/feart.2023.1117004
Chowdhury, M. E., Islam, A. K. M. S., Zzaman, R. U., & Khadem, S. (2025). A machine learning-based approach for flash flood susceptibility mapping considering rainfall extremes in the northeast region of Bangladesh. Advances in Space Research, 75(2), 1990–2017. https://doi.org/10.1016/j.asr.2024.10.047
Chowdhury, S., & Chowdhury, M. S. (2024). Flash flood susceptibility mapping of north-east depression of Bangladesh using different GIS based bivariate statistical models. Watershed Ecology and the Environment, 6, 26–40. https://doi.org/10.1016/j.wsee.2023.12.002
Coşkun, M., Sohaib, K., Şahiner, H., & Canbulat, O. (2022). Kocaeli ilinde uydu verileri ve yer istasyonu ölçümlerine bağlı olarak hava kalitesinin değerlendirilmesi. Türk Coğrafya Dergisi, 81, 53–68. https://doi.org/10.17211/tcd.1108123

Coşkun, M., Şahiner, H., Canbulat, O., & Öztürk, A. (2024). Iğdır merkez ilçesinde hava kalitesi sorunu ve yerleşim uygunluk analizi. Coğrafya Dergisi, 47, 45–59. https://doi.org/10.26650/JGEOG2023-1233378
Degeai, J.-P., Blanchemanche, P., Tavenne, L., Tillier, M., Bohbot, H., Devillers, B., & Dezileau, L. (2022). River flooding on the French Mediterranean coast and its relation to climate and land use change over the past two millennia. Catena, 219, Article 106623. https://doi.org/10.1016/j.catena.2022.106623
Demirbilek, S., & Turoğlu, H. (2025). Arsuz Çayı Havzası’nın sel duyarlılık analizi. Doğu Coğrafya Dergisi, 30, 96–111. https://doi.org/10.17295/ataunidcd.1629115
Drobnjak, S., Milonjić, Z., Đorđević, D., & Simić, M. (2025). Flash flood susceptibility mapping using LiDAR-derived DEM and machine learning algorithms: Ljuboviđa case study, Serbia. Open Geosciences, 17(1), Article 20250859. https://doi.org/10.1515/geo-2025-0859
Duman, N., & İrcan, M. R. (2022). Coğrafi Bilgi Sistemleri tabanlı Çankırı merkez ilçesinin taşkın duyarlılık analizi. Jeomorfolojik Araştırmalar Dergisi, 9, 50–66. https://doi.org/10.46453/jader.1165963
Ertan, A., Ozelkan, E., & Karaman, M. (2021). Analitik Hiyerarşi Süreci kullanılarak Coğrafi Bilgi Sistemleri ortamında sel ve taşkın alanlarının belirlenmesi: Çanakkale-Karamenderes Havzası örneği. Journal of Research in Atmospheric Science (JRAS), 3, 1–9. https://doi.org/10.29228/resatmsci.56883
Gopal, S. (2016). Artificial neural networks in geospatial analysis. International Encyclopedia of Geography. https://doi.org/10.1002/9781118786352.wbieg0322
Göztepe, S., Bahadır, M., & Şen, H. (2022). Hatip Çayı Havzası’nda (Ankara) taşkınların coğrafi analizi ve taşkın duyarlılığı. Kesit Akademi, 8, 143–169. https://doi.org/10.29228/kesit.66182
Huang, G., Ng, A. H.-M., Zhou, Q., Zhu, Q., Du, Z., & Ge, L. (2026). Flood susceptibility prediction in the Indo-China Peninsula using 21 years of inundation occurrence data and machine learning. Journal of Hydrology, 670, Article 135176. https://doi.org/10.1016/j.jhydrol.2026.135176
Karakoca, E., & Ünver, A. (2025). Analitik Hiyerarşi Süreci ve Coğrafi Bilgi Sistemleri kullanarak Eşen Çayı Havzası’nda taşkın riski değerlendirmesi ve haritalandırılması. Geomatik, 10, 127–143.
Kaya Uyanık, G., & Güler, N. (2013). A study on multiple linear regression analysis. Procedia - Social and Behavioral Sciences, 106, 234–240. https://doi.org/10.1016/j.sbspro.2013.12.027
Ke, X., Wang, N., Li, T., Liu, Z., Li, Z., Zuo, G., & Chen, Y. (2026). From prediction to regionalization: Enhancing flash flood susceptibility mapping using machine learning and GeoDetector. Geoscience Frontiers, 17(1), Article 102213. https://doi.org/10.1016/j.gsf.2025.102213
Khosravi, K., Nohani, E., Maroufinia, E., & Pourghasemi, H. R. (2016). A GIS-based flood susceptibility assessment and its mapping in Iran: A comparison between frequency ratio and weights-of-evidence bivariate statistical models with multi-criteria decision-making technique. Natural Hazards, 83(2), 947–987. https://doi.org/10.1007/s11069-016-2357-2
Kordi, A., Sadoddin, A., Mohammadi, J., Sheikh, V., & Asadi Nalivan, O. (2025). Zoning of flash flood generation probability using machine learning techniques (A case study: Karaj Dam Watershed, Iran). Desert Ecosystem Engineering Journal, 14(46), 91–107.
Kouadio, I. K., Ghazi, H. F., & Aljunid, S. M. (2012). Human impact and financial loss of floods in Southeast Asia, from 2007 to 2011. BMC Public Health, 12(2), Article A9. https://doi.org/10.1186/1471-2458-12-S2-A9
Leon, A. C. (1998). Descriptive and inferential statistics. In A. S. Bellack & M. B. T.-C. C. P. Hersen (Eds.), Neuroscience and Biobehavioral Psychology (pp. 243–285). Pergamon. https://doi.org/10.1016/B0080-4270(73)00264-9
Llasat, M. C., Marcos-Matamoros, R., Pascual, R., Rigo, T., Insúa-Costa, D., & Crespo-Otero, A. (2025). Western Mediterranean flash floods through the lens of Alcanar (NE Iberian Peninsula): Meteorological drivers and trends. Atmospheric Research, 326, Article 108266. https://doi.org/10.1016/j.atmosres.2025.108266
Milevski, I., Aleksova, B., Valjarevic, A., & Gorsevski, P. (2025). Cloud-based assessment of flash flood susceptibility, peak runoff, and peak discharge on a national scale with Google Earth Engine (GEE). Atmosphere, 16, Article 945. https://doi.org/10.3390/atmos16080945
Oguz, E., Oğuz, K., & Öztürk, K. (2022). Düzce bölgesi taşkın duyarlılık alanlarının belirlenmesi. Geomatik, 7, 220–234. https://doi.org/10.29128/geomatik.972343
Qamar, R., & Zardari, B. (2023). Artificial neural networks: An overview. Mesopotamian Journal of Computer Science, 2023, 130–139. https://doi.org/10.58496/MJCSC/2023/015
Rezaei, J. (2015). Best-worst multi-criteria decision-making method. Omega, 53, 49–57. https://doi.org/10.1016/j.omega.2014.11.009
Rijal, M., Luo, P., Mishra, B. K., Zhou, M., & Wang, X. (2024). Global systematical and comprehensive overview of mountainous flood risk under climate change and human activities. Science of the Total Environment, 941, Article 173672. https://doi.org/10.1016/j.scitotenv.2024.173672
Saaty, T. L. (2008). Decision making with the analytic hierarchy process. International Journal of Services Sciences, 1(1), 83–98. https://doi.org/10.1504/IJSSci.2008.01759
Sarıbaş, M., & Pınar, A. (2013). Silifke Göksu Vadisi’nde yer alan köylerin beşeri coğrafya özellikleri. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 29, 207–221.
Selçuk, L., Sağlam Selçuk, A., & Kasapoğlu, D. (2016). Coğrafi Bilgi Sistemleri (CBS) tabanlı çok kriterli karar analizi (ÇKKA) kullanılarak Van ili merkez ilçelerinin kentsel taşkın duyarlılık değerlendirmesi, Van/Türkiye. Yerbilimleri, 37(1), 1–18. https://doi.org/10.17824/yrb.00247
Shirzadi, A., Salvati, A., Tahan, M. H., Shahabi, H., Nodoushan, E. J., Ramezani, M., Hashim, M., & Clague, J. J. (2025). Urban flood susceptibility mapping using deep and machine learning algorithms as a management tool: A case study of Sanandaj City, Iran. Ecological Indicators, 178, Article 113886. https://doi.org/10.1016/j.ecolind.2025.113886
Shojaeian, A., Shafizadeh-Moghadam, H., Sharafati, A., & Shahabi, H. (2024). Extreme flash flood susceptibility mapping using a novel PCA-based model stacking approach. Advances in Space Research, 74(11), 5371–5382. https://doi.org/10.1016/j.asr.2024.08.004
Sözcü, U., & Canbulat, O. (2026). Tokat il merkezinin AHS-CBS tabanlı uygulamalarla deprem duyarlılığının incelenmesi. Türk Deprem Araştırma Dergisi, 8(1), 151–160. https://doi.org/10.46464/tdad.1828469
Sözer, B., Kocaman, S., Nefeslioğlu, H., & Gokceoglu, C. (2019). Değiştirilmiş AHP (M-AHP) yöntemi kullanılarak Ankara için taşkın duyarlılık haritası üretimi. Harita Dergisi, 162, 12–24.
Talha, S., Akhssas, A., Aarab, A., Aabi, A., Berkat, B., & Amouch, S. (2025). Robust ensemble machine learning for flash flood susceptibility mapping across semiarid regions. Civil Engineering Journal, 11, 4926–4959. https://doi.org/10.28991/CEJ-2025-011-12-02
Taoukidou, N., Karpouzos, D., & Georgiou, P. (2025). Flood hazard assessment through AHP, fuzzy AHP, and frequency ratio methods: A comparative analysis. Water, 17, Article 2155. https://doi.org/10.3390/w17142155
Tehrany, M. S., Pradhan, B., & Jebur, M. N. (2014). Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS. Journal of Hydrology, 512, 332–343. https://doi.org/10.1016/j.jhydrol.2014.03.008
Toprak, F., Öztürk, A., Taşoğlu, E., Canbulat, O., & Coşkun, M. (2022, December 9–10). Suitability analysis of hazelnut (Corylus avellana L.) plant according to soil and topography characteristics in Çarşamba and Terme districts by best-worst method [Congress presentation]. International Marmara Sciences Congress, Kocaeli, Türkiye.
Utlu, M. (2023). Frekans oranı ve Shannon entropisi yöntemi kullanarak Ezine Çayı Havzası taşkın duyarlılık analizi (Kastamonu-Bozkurt). Jeomorfolojik Araştırmalar Dergisi, 160–178. https://doi.org/10.46453/jader.1358845
Uzun, M., & Tatlıdil, K. (2025). Dalaman Çayı Havzası’nın morfometrik analiz yöntemleri kullanılarak alt havza kapsamında taşkın duyarlılık önceliklendirmesi. Türkiye Coğrafi Bilgi Sistemleri Dergisi, 7, 68–84. https://doi.org/10.56130/tucbis.1807763
Vujović, F., Grozdanić, G., Đurović, R., Valjarevic, A., & Milevski, I. (2025). Comparative assessment of GIS-based multi-criteria decision analysis (AHP) and machine learning (MaxEnt) approaches for wildfire susceptibility modeling in Montenegro. The Egyptian Journal of Remote Sensing and Space Science, 28, 724–736. https://doi.org/10.1016/j.ejrs.2025.11.003
Yousuf, A., Dervash, M., Sur, K., Singh, M. J., Bhat, M., & Sharma, N. (2026). GIS-based multi-criteria decision analysis using AHP and fuzzy-AHP for identifying potential rainwater harvesting zones in lower Shivaliks of Punjab (India). Acta Geophysica, 74, Article 101. https://doi.org/10.1007/s11600-026-01789-5

Details

Primary Language

Turkish

Subjects

Geospatial Information Systems and Geospatial Data Modelling

Journal Section

Research Article

Authors

Nigar Canbulat ^*
0009-0002-7554-8719
Türkiye

Publication Date

September 24, 2026

Submission Date

April 29, 2026

Acceptance Date

August 17, 2026

Published in Issue

Year 2026 Volume: 7 Number: 2

DOI

https://doi.org/10.48123/rsgis.1940323

IZ

https://izlik.org/JA69NE29GP

APA

Canbulat, N. (2026). Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi. Türk Uzaktan Algılama Ve CBS Dergisi, 7(2), 365-384. https://doi.org/10.48123/rsgis.1940323

AMA

1.Canbulat N. Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi. Turk J Remote Sens GIS. 2026;7(2):365-384. doi:10.48123/rsgis.1940323

Chicago

Canbulat, Nigar. 2026. “Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli Ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi”. Türk Uzaktan Algılama Ve CBS Dergisi 7 (2): 365-84. https://doi.org/10.48123/rsgis.1940323.

EndNote

Canbulat N (September 1, 2026) Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi. Türk Uzaktan Algılama ve CBS Dergisi 7 2 365–384.

IEEE

[1]N. Canbulat, “Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi”, Turk J Remote Sens GIS, vol. 7, no. 2, pp. 365–384, Sept. 2026, doi: 10.48123/rsgis.1940323.

ISNAD

Canbulat, Nigar. “Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli Ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi”. Türk Uzaktan Algılama ve CBS Dergisi 7/2 (September 1, 2026): 365-384. https://doi.org/10.48123/rsgis.1940323.

JAMA

1.Canbulat N. Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi. Turk J Remote Sens GIS. 2026;7:365–384.

MLA

Canbulat, Nigar. “Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli Ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi”. Türk Uzaktan Algılama Ve CBS Dergisi, vol. 7, no. 2, Sept. 2026, pp. 365-84, doi:10.48123/rsgis.1940323.

Vancouver

1.Nigar Canbulat. Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi. Turk J Remote Sens GIS. 2026 Sep. 1;7(2):365-84. doi:10.48123/rsgis.1940323

This journal is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Spatial Analysis of Flood Susceptibility in Silifke District Using Data-Driven and Expert-Based Methods

Abstract

Keywords

Silifke İlçesinde Taşkın Duyarlılığının Veri Temelli ve Uzman Görüşüne Dayalı Yöntemlerle Mekansal Analizi

Abstract

Keywords

References

Details

Primary Language

Subjects

Journal Section

Authors

Publication Date

Submission Date

Acceptance Date

Published in Issue

DOI

IZ

Cite